Sunscreen Secondary Claims: Market Differentiation or Market Confusion?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This chapter is focused on those products that are sold primarily as sun protection products and considers the additional claims made for these that are intended to differentiate and imply additional benefits. It is essentially an overview, as each claim would require an individual chapter to deal with in detail. We do not consider products with another intended primary use, such as moisturizer or colour comments, which are, in themselves "secondary sunscreens," defined specifically in Australia [AS/NZS 2604:2012 Sunscreen products - Evaluation and classification] or Canada. Primarily, the chapter serves as a reference guide. An argument is presented for the potential negative impact on the credibility of the whole product category brought about by the marketing strategy of attempting to segment on the basis of either criticism of competitor products and/or targeting niche groups of consumers. The European Union (EU) Regulation 655/2013 [Commission Regulation (EU) No 655/2013 laying down common criteria for the justification of claims used in relation to cosmetic products] states 6 criteria for representation of products. These are Legal Compliance, Truthfulness, Evidential Support, Honesty, Fairness and Informed Decision Making. More specifically to sunscreens, the EU Synthesis Document makes recommendation on efficacy and related claims [European Union Synthesis Document - Commission recommendation on the efficacy of sunscreen products and claims related thereto]. This chapter does not consider or test these criteria but does include a table of claims and suggested ways to substantiate these.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle